Airbnb의 검색 개인화 전략: '사용자 벡터' 임베딩 패턴 분석

요약

Airbnb는 최근 검색 개인화 엔진의 핵심 아키텍처를 공개했는데, 이는 사용자 데이터를 7년치 장기 이력(예약, 리뷰, 취소)과 21일치 단기 이력(조회 기록)으로 나누어 벡터화하는 방식입니다. 특히 조회 기록이 사용자 활동의 97.8%를 차지한다는 점에 착안해 이를 별도로 처리하며, 검색 속도 유지를 위해 해당 벡터는 실시간이 아닌 야간에 사전 계산됩니다. 이 모델을 적용한 결과 검색 관련 지표인 NDCG가 3.78%, 예약률이 0.55% 상승하는 성과를 거두었습니다. 흥미로운 점은 이 '사용자 벡터' 모델을 수정 없이 마케팅 이메일에 적용했을 때 클릭률이 5.04% 증가했다는 사실입니다. 특정 리스팅이 아닌 사용자 자체를 모델링했기 때문에 제품, 음악, 채용 등 다양한 카탈로그 및 마켓플레이스 플랫폼에 범용적으로 적용할 수 있는 핵심 AI 패턴으로 평가받습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.